۵ کیو· متوسط رو به بالامتوسطPYTHON۴ ثانیه · ۲۵۶ مگابایت

شاخص رند تعدیل‌شده

دو برچسب‌گذاری از همان $n$ نقطه داریم — مثلاً خوشه‌های یک الگوریتم و کلاس‌های واقعی. شماره‌ی برچسب‌ها مهم نیست، فقط این‌که کدام نقطه‌ها با هم‌اند. تابع ari(a, b) شاخص رند تعدیل‌شده را برمی‌گرداند:

جدول توافق: $n_{ij}$ تعداد نقطه‌هایی که در خوشه‌ی $i$ از a و خوشه‌ی $j$ از b اند؛ $a_i = \sum_j n_{ij}$ و $b_j = \sum_i n_{ij}$ .
با $\binom{m}{2} = m(m-1)/2$ :

\text{index} = \sum_{ij}\binom{n_{ij}}{2} \qquad \text{expected} = \frac{\sum_i\binom{a_i}{2}\sum_j\binom{b_j}{2}}{\binom{n}{2}} \qquad \text{max} = \frac{1}{2}\Big[\sum_i\binom{a_i}{2} + \sum_j\binom{b_j}{2}\Big]

\mathrm{ARI} = \frac{\text{index} - \text{expected}}{\text{max} - \text{expected}}

یک یعنی دو برچسب‌گذاری یکی‌اند (تا تغییر نام)؛ حدود صفر یعنی توافقی بیشتر از شانس نیست.

نمونه‌ها

ورودی نمونه ۱

[[0, 0, 1, 1, 2, 2], [0, 0, 1, 1, 2, 2]]

خروجی نمونه ۱

1.0

ورودی نمونه ۲

[[0, 0, 1, 1, 2, 2], [1, 1, 0, 0, 0, 2]]

خروجی نمونه ۲

0.4444

برای نوشتن پاسخ و دریافت امتیاز، ابتدا وارد حساب شوید.

ورود